기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
Amazon Lex V2 핵심 개념
Amazon Lex V2를 사용하면 채팅 애플리케이션(봇)을 구축하여 사용자로부터 정보를 이끌어내고 작업을 수행할 수 있습니다. 예를 들어 챗봇을 생성하여 고객 지원을 제공하거나, 자주 묻는 질문에 답변하거나, 약속을 예약할 수 있습니다. Amazon Lex V2를 사용하기 위한 일반적인 단계는 다음과 같습니다.
빠른 시작 학습 경로
Amazon Lex V2를 처음 사용하시나요? 이 점진적 학습 경로를 따라 빠르게 시작하세요.
-
템플릿으로 시작(5분) - 고객 지원 FAQ, 예약 또는 주문 상태와 같이 사전 구축된 챗봇 템플릿 중에서 선택합니다. 템플릿에는 사전 구성된 의도, 슬롯 및 샘플 발화가 포함됩니다.
-
챗봇 사용자 지정(15분) - 템플릿을 특정 사용 사례에 맞게 수정합니다. 자체 의도를 추가하고, 샘플 발화를 업데이트하고, 도메인의 슬롯 유형을 구성합니다.
-
테스트 및 개선(10분) - 내장된 테스트 콘솔을 사용하여 챗봇과 대화할 수 있습니다. 훈련 데이터를 최소화하면서 이해를 높이기 위해 Assisted NLU를 활성화합니다.
-
배포 및 통합(20분) - 챗봇을 게시하고 원하는 플랫폼(Slack, 웹 앱 또는 모바일 애플리케이션)과 통합합니다.
챗봇 작업 총 시간: ~50분
보다 포괄적인 이해를 위해 아래의 세부 개발 프로세스를 계속 진행합니다.
세부 개발 프로세스
더 복잡한 봇의 경우 또는 처음부터 구축할 때 다음과 같은 포괄적인 개발 프로세스를 따르세요.
-
봇을 만들고 하나 이상의 언어를 추가합니다. 사용자의 목표를 이해하고 사용자와의 대화에 참여하여 정보를 유도하며 사용자의 의도를 이행하도록 봇을 구성합니다.
-
봇 테스트. Amazon Lex V2 콘솔에서 제공하는 테스트 창 클라이언트를 사용할 수 있습니다.
-
버전을 게시하고 별칭을 만듭니다.
-
봇을 배포합니다. 봇을 자체 애플리케이션이나 Facebook Messenger 또는 Slack과 같은 메시징 플랫폼에 배포할 수 있습니다.
핵심 개념 및 용어
시작하기 전에 다음과 같은 Amazon Lex V2의 핵심 개념 및 용어를 익힙니다.
-
봇 - 봇은 피자 주문, 호텔 예약, 꽃 주문 등과 같은 자동화 작업을 수행합니다. Amazon Lex 봇은 자동 음성 인식(ASR)및 자연어 이해(NLU) 기능으로 구동됩니다.
Amazon Lex V2 봇은 텍스트나 음성으로 제공된 사용자 입력을 이해하고 자연 언어로 대화할 수 있습니다.
-
언어 – Amazon Lex V2 봇은 하나 이상의 언어로 대화할 수 있습니다. 각 언어는 서로 독립적이므로 Amazon Lex V2를 구성하여 모국어 및 구문을 사용하여 사용자와 대화할 수 있습니다. 자세한 내용은 Amazon Lex V2에서 지원하는 언어 및 로캘 단원을 참조하세요.
-
의도 – 의도는 사용자가 수행하고자 하는 작업을 나타냅니다. 하나 이상의 관련 의도를 지원하도록 봇을 생성합니다. 예를 들어, 피자 및 음료를 주문하는 의도를 만들 수 있습니다. 각 의도에 대해 다음 필수 정보를 제공합니다.
-
의도 이름 – 의도를 설명하는 이름입니다. 예를 들어
OrderPizza입니다. -
샘플 발화 – 사용자가 의도를 전달하는 방식입니다. 예를 들어, 사용자는 "피자 주문할 수 있나요" 또는 "피자 주문하고 싶어요"라고 말할 수 있습니다.
-
의도 이행 방법 - 사용자가 필수 정보를 제공한 후 의도를 이행하는 방법입니다. Lambda 함수 를 생성하여 의도를 이행하는 것을 권장합니다.
Amazon Lex V2에서 간단히 클라이언트 애플리케이션에 정보를 반환하여 필요한 이행을 수행하도록 의도를 선택적으로 구성할 수 있습니다.
Amazon Lex V2는 사용자 지정 의도 외에도 봇을 빠르게 설정할 수 있도록 기본 제공 의도도 제공합니다. 자세한 내용은 기본 제공 의도 단원을 참조하세요.
Amazon Lex는 항상 각 봇에 대한 대체 의도를 포함합니다. 대체 의도는 Amazon Lex가 사용자의 의도를 추론할 수 없을 때마다 사용됩니다. 자세한 내용은 AMAZON.FallbackIntent 단원을 참조하세요.
-
-
슬롯 – 의도에는 0개 이상의 슬롯 또는 파라미터가 필요할 수 있습니다. 의도 구성의 일부로 슬롯을 추가합니다. 런타임 시에는 Amazon Lex V2는 사용자에게 특정 슬롯 값을 묻습니다. 사용자가 모든 필수 슬롯의 값을 제공해야 Amazon Lex V2가 의도를 이행할 수 있습니다.
예를 들어,
OrderPizza의도에는 크기, 크러스트 유형 및 피자 개수와 같은 슬롯이 필요합니다. 각 슬롯에 대해 슬롯 유형과 Amazon Lex V2가 사용자로부터 값을 유도하기 위해 클라이언트에 보내는 하나 이상의 프롬프트를 제공합니다. 사용자는 "라지로 부탁해요" 또는 "스몰 사이즈가 좋아요."와 같은 추가 단어가 포함된 슬롯 값으로 응답할 수 있습니다. Amazon Lex V2는 여전히 슬롯 값을 이해합니다. -
슬롯 유형 – 각 슬롯에는 유형이 있습니다. 자체 슬롯 유형을 만들거나 내장 슬롯 유형을 사용할 수 있습니다. 예를 들어,
OrderPizza의도에 대한 다음과 같은 슬롯 유형을 만들고 사용할 수 있습니다.-
사이즈 – 열거 값은
Small,Medium및Large입니다. -
크러스트 – 열거 값은
Thick및Thin입니다.
Amazon Lex V2는 내장 슬롯 유형도 제공합니다. 예를 들어
AMAZON.Number는 주문한 피자의 개수로 사용할 수 있는 내장 슬롯 유형입니다. 자세한 내용은 기본 제공 의도 단원을 참조하세요. -
-
버전 – 버전은 개발, 베타 배포, 프로덕션 등의 여러 워크플로 부분에서 사용하도록 게시할 수 있는 작업의 번호가 지정된 스냅샷입니다. 버전을 생성하고 나면 버전이 만들어졌을 때 존재했던 것처럼 봇을 사용할 수 있습니다. 버전을 생성한 후, 애플리케이션에 대해 계속 작업하는 동안에는 버전이 동일하게 유지됩니다.
-
별칭 – 별칭은 특정 봇 버전에 대한 포인터입니다. 별칭을 사용하여 클라이언트 애플리케이션에서 사용 중인 버전을 업데이트할 수 있습니다. 예를 들어, 별칭이 봇의 버전 1을 포인팅할 수 있습니다. 봇을 업데이트할 준비가 되면 버전 2를 게시하고 별칭이 새 버전을 가리키도록 변경합니다. 애플리케이션은 특정 버전 대신 별칭을 사용하므로 모든 클라이언트는 업데이트할 필요 없이 새 기능을 사용할 수 있습니다.
고급 Amazon Lex V2 기능
위의 핵심 개념 외에도 Amazon Lex V2에는 봇 기능을 개선하는 고급 기능이 포함되어 있습니다.
-
지원 NLU - 대규모 언어 모델(LLMs)을 사용하여 의도 분류 및 슬롯 해상도를 개선합니다. 이 기능은 봇이 훈련 예제와 다른 구문을 사용하는 경우에도 사용자 요청을 보다 정확하게 이해하는 데 도움이 됩니다. 지원되는 NLU는 구성된 의도와 슬롯 내에서 작동하므로 광범위한 훈련 데이터 없이도 더 잘 이해할 수 있습니다.
-
멀티턴 대화 - Amazon Lex V2는 여러 대화 턴에서 컨텍스트를 유지하여 자연스러운 back-and-forth 상호 작용을 가능하게 합니다. 사용자는 대화 컨텍스트를 잃지 않고 점진적으로 정보를 제공하거나, 마음이 바뀌거나, 명확한 질문을 할 수 있습니다.
-
컨텍스트 전환 - 고급 봇은 대화 내에서 주제 변경을 처리할 수 있습니다. 예를 들어 사용자는 계정 정보에 대한 질문을 시작한 다음 주문으로 전환하고 원래 주제로 돌아갈 수 있습니다. Amazon Lex V2는 이러한 컨텍스트 전환을 정상적으로 관리할 수 있습니다.
-
폴백 전략 - Amazon Lex V2가 사용자의 요청을 이해하지 못하면 질문, 제안 프롬프트 또는 인간 에이전트로의 에스컬레이션을 명확히 하는 등 정교한 폴백 동작을 구성할 수 있습니다. 이렇게 하면 사용자가 항상 대화에서 경로를 전달할 수 있습니다.
-
대화 흐름 관리 - 조건부 분기 및 대화 흐름 제어를 사용하여 코드를 작성하지 않고도 복잡한 대화 패턴을 생성합니다. 사용자 응답, 슬롯 값 또는 외부 데이터를 기반으로 대화를 라우팅할 수 있습니다.
리전별 가용성
Amazon Lex V2를 사용할 수 있는 AWS 리전 목록은 Amazon Web Services 일반 참조의 Amazon Lex V2 엔드포인트 및 할당량을 참조하세요.